基于改进栈式降噪自编码器的控制系统故障诊断

FAULT DIAGNOSIS OF CONTROL SYSTEM BASED ON IMPROVED STACKED DENOISING AUTO-ENCODER

扫码查看

原文链接

国家科技期刊平台
NETL
NSTL
维普
万方数据

中文摘要：为了提高控制系统故障检测和分类能力,提出核主成分分析(KPCA)与栈式降噪自编码(SDAE)神经网络相结合的控制系统故障诊断方法.利用KPCA对故障数据进行非线性数据处理,再把数据输入到SDAE神经网络中进行无监督训练,获取最优网络参数,以Softmax分类层作为输出层实现故障分类.该模型有效解决了控制系统中慢漂移故障特征不明显导致模型故障诊断准确率低的问题,提高了故障诊断精度.通过TE系统实验,验证了该算法的有效性和卓越性.

作者：

罗毅、赵聪杰、武博翔

展开 >

作者单位：

华北电力大学控制与计算机工程学院北京102206

关键词：

控制系统故障诊断栈式降噪自编码器核主成分分析 Softmax分类器

出版年：

2022

DOI：

10.3969/j.issn.1000-386x.2022.07.014

计算机应用与软件